2.3. Approches méthodologiques
Pour mener à bien une recherche, toute recherche
scientifique nécessite une méthodologie. Dans le cadre de notre
étude, elle est décrite comme suit.
2.3.1. Collecte des données
2.3.1.1. Types de données
collectées
Les informations de type quantitatives et qualitatives sont
collectées. Ils prendront en compte les informations sur les
activités menées en périphérie d PNW-SB, l'impact
de ces activités sur la dynamique de son occupation du sol et sa
gestion.
2.3.1.2. Recherche documentaire
C'est le lieu de faire un bilan des documents existant sur le
sujet, il permet d'une part de faire un brassage idées des
différents auteurs qui ont déjà abordé le
thème et d'autre part, de disposer de sources sûres et de pouvoir
référencer les informations utilisées plus tard. A cet
effet, plusieurs centres de documentations de même que plusieurs moteurs
de recherche ont été visités et utilisés. Le
tableau ci-dessous en fait récapitulatif.
Tableau III : Synthèse des centres
d'information
|
Centres de documentation
|
Documents
|
|
Bibliothèque de l'UP
|
Livres, thèse, mémoires, rapports...
|
|
Bibliothèque CAEB
|
Livres, thèse, mémoires, rapports...
|
|
Cyber café à travers les moteurs de recherche
connus
: Google Scholar, Yahoo, Bing...
|
Ouvrages, thèses, rapports,
mémoires,
articles, revues...
|
|
Service de l'assainissement et du cadre de vie de la
commune
de Banikoara
|
donnée sur la monographie et
développement
|
|
ATDA
|
Données sur l'agriculture
|
|
AIC
|
Données spécifiques sur le coton
|
Source : Travaux de terrain
18
2.3.1.3. Modélisation
Le modèle prédiction utilisée est le
modèle MOLUSCE. MOLUSCE est une extension (plug-in) de QGIS
développé par NextGIS en coopération avec Asia Air Survey
au Japon. Le plug-in implémente le processus suivant : prend un raster
de catégories d'utilisation des terres pour la période A (ici
l'occupation du sol de 2010), un raster de catégories d'utilisation des
terres pour la période B (ici l'occupation du sol de 2020) et des
rasters de variables ou de facteurs explicatifs. Les rasters des facteurs
explicatifs sont la proximité de l'agglomération,
l'accessibilité à la forêt par les routes et le relief.
2.3.1.4. Techniques, outils et matériels de
collecte des données
2.3.1.4.1. Techniques
Pour une meilleure vision des techniques qui seront
utilisés, une catégorisation en fonction des objectifs est
importante.
2.3.1.4.2. Outils de collecte de
données
Quant aux outils de collecte de données, plusieurs
outils seront utilisés pour la collecte des données à
savoir :
? un guide d'entretien pour prendre des informations
auprès des personnes ressources ; ? et un questionnaire pour collecter
les informations auprès des populations cibles.
2.3.1.4.3. Matériels de collecte de
données
Comme matériel des collectes de données seront
utilisés les matériels suivants : un appareil photo, un GPS, un
ordinateur équipé de QGIS et ArcGIS, un cahier de notes, des
écritoires...
2.3.1.4.4. Techniques
L'observation directe sera toujours utilisée d'une
façon générale. Mais les techniques varieront en fonction
des objectifs spécifiques.
2.3.1.5. Echantillonnage
Le groupe cible de cette étude étant
composé de la population riveraine du PNW-SB, l'investigation s'est
faite suivant la technique de « Boule de neige ». Elle fonctionne par
grossissement progressif de la taille de l'échantillon. Pour le compte
de ce travail, seuls les villages frontaliers avec le PNW-SB ont
été pris en compte avec au total 300 enquêtes pour un
19
total de 10 villages ((Sampéto, Wandimago, Gabomga,
Tandara, Kpéssidara, Kérémou, Tobaga, Samou, Pogou et
Temere) figure 5).
Figure 5 : Villages et hameaux parcourus
20
21
2.3.2. Traitement des données
Toutes les informations obtenues sur les fiches
d'enquête ont été enregistrées et codifiées.
De ces informations une base de données a été
créée et traitée au logiciel Microsoft Office Excel 2019.
Le logiciel Microsoft Office World 2019 a permis la saisie et le traitement de
texte.
2.3.2.1. Dynamique spatiale
La dynamique spatiale est basée sur
l'appréciation de l'évolution des états et la comparaison
de la superficie des différentes unités d'occupation du sol. Les
images satellitaires Landsat de 2000, 2010 et 2020 sont
utilisées pour analyser l'évolution spatiotemporelle du PNW-SB,
avec 2000 et 2020 comme années de référence. Pour
l'analyse statistique de la dynamique d'occupation du sol, le taux de
stabilité, de régression ou de progression des unités
paysagées est d'abord calculé d'une année à une
autre. Ce calcul a été fait à l'aide de la formule
appliquée par Oloukoï et al., 2007, cité par DJOHY
et al.2016, p.106, pour mesurer la croissance des agrégats
macroéconomiques entre deux périodes données.
La variable considérée ici est la superficie
(S). Ainsi, pour S1 et S2, correspondant respectivement à la superficie
d'une catégorie d'occupation des sols des années
considérés. Les taux de variation des superficies ont
été calculés par la formule suivante :
Tv(%) = [??2
??1 - 1]?? 100
? S2 - S1 = négatif, on conclut une régression du
couvert végétal de l'année 1 à 2. ? S2 - S1=
positif, on parle d'une augmentation du couvert végétal de
l'année 1 à 2. ? S2 - S1= nul, on parle de stabilité du
couvert végétal de l'année 1 à 2.
Ø Modélisation
Il faut noter que les scènes de Landsat 7 en 2010 sont
raillées. Ces scènes raillées ont été
corrigées par un outil de traitement de ArcGIS. Il s'agit du
modèle « Landsat 7 ScanLine Error Fill » de « Landsat
toolbax ». Les bandes de chaque instantané combiné ont
été classifiées puis vectorisées pour faciliter le
calcul des superficies de chaque unité d'occupation du sol.
Ø Matrice de transition
Elle permet de mettre en évidence les
différentes formes de conversion subites par les unités
d'occupation des terres en trois temps t1, t2 et t3, et décrire les
changements intervenus. Elle sera obtenue par le croisement des cartes
d'occupation du sol de 2000, 2010 et 2020.
2.3.2.2. Données qualitatives des
enquêtes
L'étude des relations de causes à effets
existant entre les différents phénomènes
étudiés à travers une analyse systémique a
nécessité l'utilisation du modèle PEIR qui signifie
Pression Etat Impact Réponse. Adapté à cette recherche, ce
modèle se décompose comme le montre la figure ci-après.
Pression
Identification des facteurs de pression
|
|
|
|
|
|
|
|
|
Identification des risques liés à la pression
|
|
Impacts
|
|
|
|
|
Détermination des manifestations des pressions
|
|
|
|
|
|
|
|
|
|
|
Etat
Diagnostic et appréhensions de la dynamique de la
composante ciblée
|
|
|
|
Stratégies de gestion
Propositions de nouvelles formes de gestion
|
|
Réponse
|
|
|
|
|
|
|
|
|
|
|
Figure 6 : Modèle PIER
|
|
|
Ce modèle permettra l'analyse systémique des
forces directrices, des facteurs et manifestations de la pression, des
états résultant de l'effet des forces de pression
démographique et de l'agriculture, des impacts inhérents et des
réponses réactives de l'administration forestière et des
pouvoirs locaux.
22
| 
